Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in DeepSeek LLM Fine-Tuning
- Überblick über DeepSeek-Modelle, z. B. DeepSeek-R1 und DeepSeek-V3
- Verständnis für die Notwendigkeit der Feinabstimmung von LLMs
- Vergleich von Feinabstimmung und promptem Engineering
Vorbereitung des Datensatzes für Fine-Tuning
- Kuratieren von domänenspezifischen Datensätzen
- Datenvorverarbeitung und Bereinigungstechniken
- Tokenisierung und Dataset-Formatierung für DeepSeek LLM
Einrichten der Fine-Tuning-Umgebung
- Konfigurieren von GPU und TPU-Beschleunigung
- Einrichten von Hugging Face Transformatoren mit DeepSeek LLM
- Verstehen von Hyperparametern für die Feinabstimmung
Fine-Tuning DeepSeek LLM
- Implementierung der überwachten Feinabstimmung
- Verwendung von LoRA (Low-Rank Adaptation) und PEFT (Parameter-Efficient Fine-Tuning)
- Verteilte Feinabstimmung für große Datensätze durchführen
Evaluierung und Optimierung von feinabgestimmten Modellen
- Bewertung der Modellleistung mit Bewertungsmetriken
- Umgang mit Überanpassung und Unteranpassung
- Optimierung der Inferenzgeschwindigkeit und Modelleffizienz
Einsatz von feinabgestimmten DeepSeek Modellen
- Paketierung von Modellen für den API-Einsatz
- Integration feinabgestimmter Modelle in Anwendungen
- Skalierung von Einsätzen mit Cloud- und Edge-Computing
Reale Welt Use Cases und Anwendungen
- Feinabgestimmte LLMs für das Finanzwesen, das Gesundheitswesen und die Kundenbetreuung
- Fallstudien von Industrieanwendungen
- Ethische Überlegungen bei domänenspezifischen KI-Modellen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit maschinellem Lernen und Deep-Learning-Frameworks
- Vertrautheit mit Transformatoren und großen Sprachmodellen (LLMs)
- Verständnis für die Vorverarbeitung von Daten und Techniken zur Modellschulung
Zielgruppe
- KI-Forscher, die LLM-Feinabstimmung erforschen
- Ingenieure für maschinelles Lernen, die eigene KI-Modelle entwickeln
- Fortgeschrittene Entwickler, die KI-gesteuerte Lösungen implementieren
21 Stunden
